Python Groupby—如何将逻辑检查结果应用于所有行

我有一套像这样的：

In [127]: df
Out[127]: 
   ID                Date regular_entry
0   1 2014-01-31 12:13:14          True
1   2 2014-02-28 12:13:14         False
2   1 2014-03-31 12:13:14          True
3   1 2014-04-30 12:13:14          True
4   2 2014-05-31 12:13:14         False
5   2 2014-06-30 12:13:14          True
6   3 2014-07-31 12:13:14         False
7   3 2014-08-31 12:13:14          True
8   3 2014-09-30 12:13:14         False
9   1 2014-10-31 12:13:14          True

我需要找到每个组是否有任何行，例如

'regular\u entry'==False

（如果按

'ID'

分组）

我正在使用和

transform（）

来实现这一点，如下所示，它非常有效：

In [134]: df['ever_irregular'] = df.groupby('ID')['regular_entry'].transform(lambda x: False if x.all() else True )

In [135]: df
Out[135]: 
   ID                Date regular_entry ever_irregular
0   1 2014-01-31 12:13:14          True          False
1   2 2014-02-28 12:13:14         False           True
2   1 2014-03-31 12:13:14          True          False
3   1 2014-04-30 12:13:14          True          False
4   2 2014-05-31 12:13:14         False           True
5   2 2014-06-30 12:13:14          True           True
6   3 2014-07-31 12:13:14         False           True
7   3 2014-08-31 12:13:14          True           True
8   3 2014-09-30 12:13:14         False           True
9   1 2014-10-31 12:13:14          True          False

现在，我还需要找出每个组的最后一个条目（如果按

'ID'

分组并考虑

'Date'

的值）是否有

'regular\u entry'==False

我知道我可以得到每个组的最后一个条目，如下所示：

In [138]: df.sort_values(by='Date').groupby('ID').nth(-1)['regular_entry']
Out[138]: 
ID
1     True
2     True
3    False
Name: regular_entry, dtype: bool

In [152]: df_new = pd.DataFrame(latest_row_regular).rename(columns={'regular_entry':'latest_regular'})

In [155]: pd.merge(df, df_new, left_on='ID', right_index=True).sort_values(by='Date')
Out[155]: 
   ID                Date regular_entry ever_irregular latest_regular
0   1 2014-01-31 12:13:14          True          False           True
1   2 2014-02-28 12:13:14         False           True           True
2   1 2014-03-31 12:13:14          True          False           True
3   1 2014-04-30 12:13:14          True          False           True
4   2 2014-05-31 12:13:14         False           True           True
5   2 2014-06-30 12:13:14          True           True           True
6   3 2014-07-31 12:13:14         False           True          False
7   3 2014-08-31 12:13:14          True           True          False
8   3 2014-09-30 12:13:14         False           True          False
9   1 2014-10-31 12:13:14          True          False           True

我现在已经明白我可以试着像这样加入这两个团队：

In [138]: df.sort_values(by='Date').groupby('ID').nth(-1)['regular_entry']
Out[138]: 
ID
1     True
2     True
3    False
Name: regular_entry, dtype: bool

In [152]: df_new = pd.DataFrame(latest_row_regular).rename(columns={'regular_entry':'latest_regular'})

In [155]: pd.merge(df, df_new, left_on='ID', right_index=True).sort_values(by='Date')
Out[155]: 
   ID                Date regular_entry ever_irregular latest_regular
0   1 2014-01-31 12:13:14          True          False           True
1   2 2014-02-28 12:13:14         False           True           True
2   1 2014-03-31 12:13:14          True          False           True
3   1 2014-04-30 12:13:14          True          False           True
4   2 2014-05-31 12:13:14         False           True           True
5   2 2014-06-30 12:13:14          True           True           True
6   3 2014-07-31 12:13:14         False           True          False
7   3 2014-08-31 12:13:14          True           True          False
8   3 2014-09-30 12:13:14         False           True          False
9   1 2014-10-31 12:13:14          True          False           True

这似乎工作得很好，然而，它确实似乎有很长的路要走。是否有更简单/更快的方法获取每个组的值（在

groupby（）

之后分组）并直接应用，而不是遵循所有中间步骤

---

谢谢你的帮助

您可以通过以下方式使用相同的

.transform

调用：

df['latest_regular'] = (df.groupby('ID')['regular_entry']
                        .transform(lambda x: x.iloc[-1]))

---

工作示例：

df['last_regular'] = df.groupby('ID')['regular_entry'].transform(lambda x: x.iloc[-1])

17:41:18 [26]: df
Out[26]:
   ID regular_entry last_regular
0   1          True         True
1   2         False         True
2   1          True         True
3   1          True         True
4   2         False         True
5   2          True         True
6   3         False        False
7   3          True        False
8   3         False        False
9   1          True         True

我认为您可以使用：

我认为对于测试而言，最好使用lambda安装的

print

instaed定制功能：

def f(x):
    print x
    print x.iloc[-1]
    return x.iloc[-1]


df['latest_regular'] = df.groupby('ID')['regular_entry'].transform(f)
print df

---

测试后使用lambda函数。

不幸的是，这不起作用，我得到

TypeError:last（）缺少一个必需的位置参数：“offset”

，当我尝试使用

offset

时，我得到

NotImplementedError:“last”只支持DatetimeIndex

@Thanos，而不是

[-1]

。last（）？这也不起作用，我认为

x

是这种情况下的一个元素，我认为

x[-1]

在这里没有意义。在任何情况下，它都会给出

KeyError

。感谢您的时间和努力，此解决方案非常有效。这似乎产生了预期的结果，谢谢！为什么

x.iloc[-1]

获取了

['regular\u entry']

系列中的最后一个元素，而

x

不是系列中的一个元素？使用

print（）

我发现

x

实际上是一个

pd.series

，是

['regular\u entry']

的子集，在这种情况下对每个组都有意义。谢谢你的帮助。